四分体

TETRAD是一个程序,它创建、模拟数据、估计、测试、预测和搜索因果和统计模型。该程序的目的是在友好的界面中提供复杂的方法,只需要很少的用户统计复杂度,而且不需要编程知识。它并不打算取代灵活的统计编程系统,如Matlab、Splus或R。Tetrad是一种免费软件,它可以执行Netica、Hugin、LISREL、EQS等商业程序中的许多功能,以及这些商业程序不执行的许多发现功能。Tetrad在其提供的一套原则性搜索(“探索”、“发现”)算法中是独一无二的——例如,它能够在测量变量可能存在未观察到的混杂情况时进行搜索,搜索潜在结构模型,以及寻找线性反馈模型——以及基于模型计算干预或实验效果预测的能力。它的所有搜索过程都是“点态一致的”——只要结构和样本数据满足各种常见的(但并不总是真的!),它们几乎可以保证在大样本限制下收敛到关于真实结构的正确信息假设。。。


zbMATH中的参考文献(参考文献397篇,1标准件)

显示第1到第20个结果,共397个。
按年份排序(引用)

1 2 ... 18 19 20 下一个

  1. 公园,群雄;Kim,Yesool:学习具有异质误差方差的高维高斯线性结构方程模型(2021)
  2. Polina Suter,Jack Kuipers,Giusi Moffa,Niko Beerenwinkel:贝叶斯网络的结构学习与抽样与R包BiDAG(2021)阿尔十四
  3. 王冰玲;周青:具有不可逆功能关系的因果网络学习(2021)
  4. Bü赫曼,彼得:不变性,因果关系和稳健性(2020)
  5. Córdoba,艾琳;比尔扎,海螺;拉腊ñaga,Pedro:Gaussian-Markov模型在条件独立性方面的回顾(2020)
  6. 马蒂亚斯博士;罗伯瓦,埃莉娜;Weihs,Luca:高斯图形模型中的嵌套协方差行列式和限制性trek分离(2020)
  7. Evans,Robin J.:模型选择和局部几何(2020)
  8. 郭,肖;张海:包含协变量的稀疏有向无环图(2020)
  9. 贾维迪安,穆罕默德·阿里;瓦尔托塔,马可;Jamshidi,Pooyan:AMP链图:最小分隔符和结构学习算法(2020)
  10. 贾维迪安,穆罕默德·阿里;王志宇;卢林园;Marco Valtorta:关于超图概率图模型(2020)
  11. 彭斯;沈晓彤;潘玮:带干预的有向无环图的重构(2020)
  12. 拉姆齐,约瑟夫D。;马林斯基,丹尼尔;Bui,Kevin V.:ALG比较:图形结构学习算法与TETRAD的性能比较(2020)
  13. 兰塔宁,卡里;海提宁,安蒂;Järvisalo,Matti:发现带有循环和潜在混杂因素的因果图:一种精确的分枝定界方法(2020)
  14. 勒诺,克劳德;布兹杜根,劳拉;卡利施,马库斯;Bühlmann,Peter:关于“全基因组关联研究的层次推理:软件方法论的观点”(2020)
  15. 萨吉奥罗,埃琳娜;德威尔杰斯,雅娜;克雷奇默,马琳;Runge,Jakob:从观测时间序列重建政权依赖的因果关系(2020年)
  16. 沙阿,拉金·D。;彼得斯,乔纳斯:条件独立性检验的硬度和广义协方差测度(2020)
  17. 辛哈,S。;Vaidya,U.:离散时间动力系统因果推理信息传递的数据驱动计算(2020)
  18. 维塔利,文森齐纳;弗拉米尼亚博物馆;维卡,保拉;Guizzi,Valentina:用贝叶斯网络为非正态数据建模能源市场(2020)
  19. 王玉浩;圣地亚哥塞加拉;Uhler,Caroline:多个有向高斯图形模型的高维联合估计(2020)
  20. 曾、燕;郝志峰;蔡瑞初;谢峰;欧亮;黄瑞辉:基于叶节点先验选择的因果发现算法(2020)

1 2 ... 18 19 20 下一个


更多出版物请访问:http://www.phil.cmu.edu/tetrad/publications.html